Ανάπτυξη υποδείγματος μέτρησης του πιστωτικού κινδύνου
| dc.contributor.author | Ροδουσάκης, Παναγιώτης - Νικόλαος Σ. | |
| dc.date.accessioned | 2010-10-12T12:51:36Z | |
| dc.date.available | 2010-10-12T12:51:36Z | |
| dc.date.issued | 2010-10-12T12:51:36Z | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/3614 | |
| dc.description.abstract | Αντικείμενο της εργασίας είναι η ανάπτυξη ενός υποδείγματος εκτίμησης του πιστωτικού κινδύνου. Αφού εξετάσθηκε ο πιστωτικός κίνδυνος και οι βασικές παράμετροί του σε θεωρητική βάση, καθώς στα πλαίσια του Συμφώνου της Βασιλείας ΙΙ, αξιολογήθηκαν τρία βασικά υποδείγματα εκτίμησης της πιθανότητας αθέτησης (PD): Multivariate Discriminant Analysis, Logit και Probit. Στη συνέχεια αναπτύχθηκε ένα υπόδειγμα Logit, για την εκτίμηση της πιθανότητας αθέτησης σε χαρτοφυλάκιο καταναλωτικών δανείων ελληνικής τράπεζας. Το υπόδειγμα αυτό έχει ικανοποιητική προβλεπτική ικανότητα, δεδομένου ότι κατατάσσει σωστά μέχρι και το 70% των πελατών του δείγματος. Όμως, με αυτά τα ποσοστά επιτυχίας δεν μπορεί να χαρακτηριστεί αποτελεσματικό. Ενδεχόμενα το υπόδειγμα αυτό επηρεάσθηκε από την αυστηρή ταξινόμηση των πελατών της τράπεζας του δείγματος σε συνεπείς και ασυνεπείς. | |
| dc.language.iso | el | |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/deed.el | |
| dc.subject | Πιστωτικός κίνδυνος | |
| dc.subject | Διαχείριση κινδύνου -- Οικονομετρικά μοντέλα | |
| dc.subject | Διαχείριση κινδύνου -- Στατιστικές μέθοδοι | |
| dc.title | Ανάπτυξη υποδείγματος μέτρησης του πιστωτικού κινδύνου | |
| dc.type | Master Thesis | |
| europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/3614 | |
| europeana.type | IMAGE | |
| dc.identifier.call | 332.7 ΡΟΔ | |
| dc.description.abstractEN | The subject of this study is to develop a model which enables the estimation of credit risk. At the beginning, the concept of credit risk, as well as the relevant subjects of Basel II, were presented and discussed. Next, three different methodologies aiming to measure credit risk were evaluated. Finally, a Logit type model was developed, based on the relevant data of a Greek bank. This model exhibited a satisfactory predictive ability, classifying correctly up to 70% of the customers in the sample. However, higher percentages are required to be characterized as efficient. A possible explanation of its limited ability, in the above sense, may be due to the strict classification of the clients in the sample, from the part of the bank which provided the needed data. |
Files in this item
This item appears in the following Collection(s)
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές